检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向干扰项增强的无监督常识问答模型

中文信息学报 2024年第5期 127-135页

作者：李伟黄贤英冯雅茹重庆理工大学计算机科学与工程学院

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常... 详细信息

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常识问答模型，首先根据知识三元组生成问题和正确答案，再为问题建立对应的问题子图，得到与问题相关的三元组集合，使用注意力机制增强特征并根据问题和正确答案确定干扰项，最后使用生成的数据对模型进行训练。该模型在四个不同类型的测试任务上的结果表明，该模型优于目前的最新方法，证明了该模型的有效性。

关键词：干扰项增强问题子图注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合视觉信息的协同知识注意力网络推荐模型

小型微型计算机系统 2024年第2期45卷 327-334页

作者：陶佳黄贤英高钰澜重庆理工大学计算机科学与工程学院重庆400054

推荐系统中将知识图谱作为辅助信息能有效缓解协同过滤算法中的稀疏性和冷启动问题.然而,现有的基于知识图谱的推荐模型往往忽略了视觉信息以及用户和物品历史交互序列中不同物品对当前任务的重要性.由此提出了一种融合视觉信息的协同... 详细信息

推荐系统中将知识图谱作为辅助信息能有效缓解协同过滤算法中的稀疏性和冷启动问题.然而,现有的基于知识图谱的推荐模型往往忽略了视觉信息以及用户和物品历史交互序列中不同物品对当前任务的重要性.由此提出了一种融合视觉信息的协同知识注意力网络推荐模型(CKVI).该模型使用注意力机制动态地捕获用户和物品历史交互数据中蕴含的用户历史偏好信息.同时将知识图谱作为辅助信息,进一步丰富用户和物品的表示,增强模型的可解释性.其次考虑到与物品相关的图像,如电影海报中蕴涵着丰富的视觉信息,设计了一种图像聚合方法,聚合用户的历史行为图像,捕获用户的视觉偏好.最后将几种信息融合,用于推荐.为了验证模型有效性,在MovieLens和Book-crossing两个数据集上进行了实验,结果表明CKVI相比其他对比的模型推荐效果有较大提升.

关键词：视觉信息知识图谱推荐系统注意力机制协同信息

基于时序感知DAG的多模态对话情绪识别模型

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2024年第1期41卷 51-58页

作者：沈旭东黄贤英邹世豪重庆理工大学计算机科学与工程学院重庆400054

针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题,提出了一个时序信息感知的多模态有向无环图模型(MTDAG)。其中所设计的时序感知单元能按照时间顺序优化话语权重设置,并收集历史情绪线索,实现基于近因... 详细信息

针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题,提出了一个时序信息感知的多模态有向无环图模型(MTDAG)。其中所设计的时序感知单元能按照时间顺序优化话语权重设置,并收集历史情绪线索,实现基于近因效应下对时序信息和历史信息更有效的利用;设计的上下文和话语者信息融合模块,通过提取上下文语境和话语者自语境的深度联合信息实现对话语者信息的充分利用;通过设置DAG(directed acyclic graph)子图捕获多模态信息并约束交互方向的方式,在减少噪声引入的基础上充分利用多模态信息。在两个基准数据集IEMOCAP和MELD的大量实验表明该模型具有较好的情绪识别效果。

关键词：对话情绪识别有向无环图近因效应特征提取多模态交互

具有切换特性和免疫控制的计算机病毒传播模型

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第4期41卷 313-320页

作者：刘超任禹锜刘小洋黄贤英重庆理工大学计算机科学与工程学院重庆400054

针对目前计算机病毒传播建模研究中没有综合考虑安全防护以及病毒持续更新的影响,提出具有切换特性和免疫控制的计算机病毒SEIR(Susceptible-Exposed-Infected-Recovery)传播模型。考虑安全防护措施和病毒更新的影响,构建切换型病毒传... 详细信息

针对目前计算机病毒传播建模研究中没有综合考虑安全防护以及病毒持续更新的影响,提出具有切换特性和免疫控制的计算机病毒SEIR(Susceptible-Exposed-Infected-Recovery)传播模型。考虑安全防护措施和病毒更新的影响,构建切换型病毒传播模型,该模型由低防护子系统和高防护子系统构成。考虑免疫控制策略,构建切换脉冲型病毒传播模型。为验证模型的有效性,分别在BA无标度网络和SW小世界网络进行数值仿真,并且进行对比分析。实验结果表明:在SW小世界网络中免疫控制策略更能有效控制病毒的传播;低防护传播期与高防护传播期的比值越小,达到平稳时潜伏节点和感染节点的密度越小;病毒的更新周期越长,潜伏节点和感染节点的峰值密度越低。

关键词：计算机病毒传播模型切换安全防护病毒更新免疫控制

新工科背景下以“模糊角色、赋能学生”理念驱动的程序设计课程教学改革与创新

在线全文

学校读者我要写书评

暂无评论

计算机教育 2024年第2期 55-60页

作者：黄继平卢玲黄贤英重庆理工大学计算机学院重庆400054 重庆理工大学应用技术学院重庆400054

分析目前程序设计课程的教学现状,提出以混合式教学为主要实现途径的“模糊角色、赋能学生”课程改革创新理念,围绕“确立学生学习主体意识,建立并巩固自主学习习惯”,从教学内容、教学方法和评价体系3个方面阐述具体改革创新措施,通过... 详细信息

分析目前程序设计课程的教学现状,提出以混合式教学为主要实现途径的“模糊角色、赋能学生”课程改革创新理念,围绕“确立学生学习主体意识,建立并巩固自主学习习惯”,从教学内容、教学方法和评价体系3个方面阐述具体改革创新措施,通过实践结果分析说明教学效果。

关键词：模糊角色程序设计混合式教学

在线全文

学校读者我要写书评

暂无评论

增强深层话题语义的对话引导模型

计算机工程与应用 2023年第7期59卷 171-179页

作者：冯雅茹黄贤英李伟重庆理工大学计算机科学与工程学院重庆400054

目标导向式开放域对话的核心是根据对话历史与当前话题进行话题序列规划与回复检索,使得对话达到目标话题,话题特征的提取与建模方式影响话题预测的准确性,从而影响回复检索性能。目前常见的方法是引入外部知识来增强语义,但这种方法依... 详细信息

目标导向式开放域对话的核心是根据对话历史与当前话题进行话题序列规划与回复检索,使得对话达到目标话题,话题特征的提取与建模方式影响话题预测的准确性,从而影响回复检索性能。目前常见的方法是引入外部知识来增强语义,但这种方法依赖外部知识质量。提出一种基于图卷积与子图注意力的话题语义增强的对话引导模型(KWGE),该模型首先构建关键词无向图,利用图卷积神经网络对关键词编码以增强话题语义,同时编码对话历史特征,使用对话特征与话题特征做预测与检索任务,每次预测任务后计算与当前话题相关话题子图的注意力权重来更新子图节点表示,用于获取更近于目标的话题。通过对两个真实闲聊数据集进行的广泛实验,表明该模型可以构建话题连贯的对话序列,并以较高的目标达成率实现对话目标。

关键词：对话系统话题引导图卷积神经网络语义匹配

基于轻量图卷积和注意力增强的多行为推荐模型

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2022年第6期39卷 1753-1759页

作者：高钰澜黄贤英陶佳重庆理工大学计算机科学与工程学院重庆400054

近年来,图卷积网络被广泛应用于多行为推荐中,以进一步缓解数据稀疏问题。但目前许多方法都是直接使用图卷积网络,使得模型时间复杂度较高,还忽略了邻域的不同聚合权重和各行为对用户偏好的不同贡献。为此,提出一种基于轻量图卷积和注... 详细信息

近年来,图卷积网络被广泛应用于多行为推荐中,以进一步缓解数据稀疏问题。但目前许多方法都是直接使用图卷积网络,使得模型时间复杂度较高,还忽略了邻域的不同聚合权重和各行为对用户偏好的不同贡献。为此,提出一种基于轻量图卷积和注意力增强的多行为推荐模型(MB-LGCA)。首先根据多行为数据构建用户—项目二部图,采用一种轻量图卷积网络聚合邻域特征获得高阶协同信息,同时利用注意力机制融入邻域权重,增强节点嵌入表示;利用k-阶用户嵌入传播来获取各行为对用户偏好的不同重要性,使模型具有更好的可解释性;最后合并不同层的嵌入表示进行预测。两个真实数据集上的实验结果表明,该模型具有较好的性能。

关键词：推荐系统图卷积网络注意力机制多行为

在线全文

学校读者我要写书评

暂无评论

融合多元信息的社交网络节点分类方法

计算机科学与探索 2023年第9期17卷 2198-2208页

作者：刘超梁安婷刘小洋黄贤英重庆理工大学计算机科学与工程学院重庆400054

针对社交网络节点分类效果不佳的问题,提出一种融合多元信息的图卷积网络节点分类模型(IMIGCN)。首先,利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的同质矩阵FA和共引信息的共引矩阵CoA;分析网络中的三角结构,通过转换公式构... 详细信息

针对社交网络节点分类效果不佳的问题,提出一种融合多元信息的图卷积网络节点分类模型(IMIGCN)。首先,利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的同质矩阵FA和共引信息的共引矩阵CoA;分析网络中的三角结构,通过转换公式构造包含节点间三角信息的三角矩阵TriA。在此基础上,融入节点自身信息。接着,改进传统图卷积网络(GCN)模型。将GCN的单核改进为适应性多核,通过注意力机制将多核学习的结果自适应融合为一个嵌入,达到一次卷积同时融合多元信息的效果。为了学习更多信息,将模型过程中的嵌入设计为多头,通过多头嵌入注意力自适应学习多头嵌入的权重分配。实验结果表明,与现有较优的节点分类模型相比,提出的IMIGCN在社交网络上的分类精确度提高0.0098~0.0532,F1指标提升0.0127~0.0536,证明了提出的IMIGCN合理有效。

关键词：社交网络信息提取信息融合节点分类图卷积网络(GCN)

在线全文

学校读者我要写书评

暂无评论

基于特征增强聚合的融合广告点击率预测模型

计算机工程 2022年第1期48卷 312-320页

作者：蒋兴渝黄贤英陈雨晶徐福重庆理工大学计算机科学与工程学院重庆400054

传统点击率(CTR)预测模型多在单一特征级上进行特征交互,未能充分利用不同特征级上的有效信息。基于特征增强聚合方法提出一种融合广告CTR预测(APNN)模型。在CTR预测模型的嵌入层中引入一阶信息重要性进行特征增强,通过注意力因子分解机... 详细信息

传统点击率(CTR)预测模型多在单一特征级上进行特征交互,未能充分利用不同特征级上的有效信息。基于特征增强聚合方法提出一种融合广告CTR预测(APNN)模型。在CTR预测模型的嵌入层中引入一阶信息重要性进行特征增强,通过注意力因子分解机(AFM)模型与基于乘积产生层的神经网络(PNN)模型融合不同特征级交互特征和增强的嵌入特征,并利用多个全连接层从融合特征中获得更多潜在的高阶信息。实验结果表明,相比AFM、PNN、FNN等模型,APNN模型的预测精度较高,其在Criteo数据集上的AUC和LogLoss指标较PNN模型分别提高1.74和1.42个百分点。

关键词：点击率预测一阶信息重要性特征增强因子分解机深度神经网络